GPT-6 Astra di OpenAI ha completato autonomamente Portal, il classico puzzle game tridimensionale di Valve, risolvendo tutti i test chamber dall’inizio alla fine senza interventi diretti da parte di un operatore umano. L’esperimento è stato realizzato collegando il modello al gioco attraverso un harness dedicato, in modo che potesse ricevere informazioni visive dall’ambiente, interpretare ciò che compariva sullo schermo e utilizzare un insieme di strumenti per eseguire movimenti e interazioni. Il risultato rappresenta un test particolarmente significativo per un agente generalista, perché Portal richiede di comprendere la geometria degli ambienti, individuare le superfici utilizzabili, stabilire dove collocare i portali e costruire sequenze di movimento coerenti attraverso spazi tridimensionali.
La configurazione non si limitava alla semplice acquisizione degli screenshot. Il sistema forniva ad Astra anche le coordinate del giocatore e utilizzava una nuova architettura di gestione del contesto, integrata nell’harness prima dell’avvio dell’esperimento. Il modello poteva quindi prendere decisioni sulla base dello stato corrente del gioco, della posizione del personaggio e delle informazioni visive disponibili, evitando un approccio basato su sequenze di azioni rigidamente predefinite. Dopo ogni osservazione, Astra valutava la situazione, selezionava l’azione successiva attraverso il toolset collegato al gioco e analizzava nuovamente il risultato ottenuto, costruendo un ciclo continuo tra percezione, ragionamento e azione.
Portal costituisce un banco di prova particolarmente complesso perché gran parte dei puzzle dipende dalla comprensione delle relazioni spaziali tra superfici, velocità, traiettorie e punti di ingresso e uscita dei portali. Non è sufficiente riconoscere gli oggetti presenti nella scena: l’agente deve prevedere le conseguenze fisiche delle proprie azioni, ricordare la struttura del livello e coordinare movimenti successivi in ambienti che cambiano progressivamente. Astra è riuscito a superare tutti i test chamber del gioco originale senza che un essere umano intervenisse direttamente per correggere i movimenti o risolvere i singoli puzzle.
L’efficienza dell’esperimento resta però molto distante da quella di un giocatore umano. Durante l’intera sessione Astra ha effettuato 3.336 chiamate agli strumenti disponibili e il consumo delle API ha generato un costo complessivo di 571 dollari. La cifra risulta molto elevata se confrontata con una normale sessione di gioco o con l’utilizzo di guide e walkthrough già disponibili online. Anche la durata dell’esecuzione è stata considerevole: l’esperimento ha richiesto circa 24 ore complessive. Il gioco veniva infatti messo in pausa mentre Astra analizzava ciascuno screenshot e ragionava sull’azione successiva, quindi il tempo totale comprende non soltanto i movimenti effettivi del personaggio, ma anche tutte le fasi di inferenza necessarie per interpretare l’ambiente e scegliere cosa fare.
Questa modalità di esecuzione rende il risultato molto diverso da una speedrun tradizionale. Il sistema non aveva l’obiettivo di completare Portal nel minor tempo possibile, ma di dimostrare di poter mantenere autonomamente un ciclo operativo completo per l’intera durata del gioco. Ogni fase prevedeva l’osservazione dello stato corrente, la valutazione delle possibili azioni, l’esecuzione di un comando e la successiva verifica del risultato, con un numero elevato di iterazioni distribuite lungo tutti i livelli. Il costo e il tempo di esecuzione mostrano quindi quanto l’autonomia raggiunta sia ancora associata a un uso intensivo di inferenza e strumenti esterni.
Esiste inoltre un limite importante nell’interpretazione del test legato alla natura stessa di Portal. Il gioco è stato pubblicato molti anni fa e informazioni dettagliate sui suoi livelli, sulle meccaniche e sulle soluzioni dei puzzle sono ampiamente disponibili online. Non è quindi possibile escludere che durante l’addestramento Astra sia stato esposto a descrizioni, walkthrough, immagini o altre informazioni relative alla struttura del gioco. Il completamento di Portal non può pertanto essere considerato automaticamente una dimostrazione equivalente della capacità di risolvere ambienti completamente nuovi e mai incontrati in precedenza.
L’aspetto tecnico più rilevante dell’esperimento riguarda piuttosto la capacità di eseguire direttamente azioni all’interno di un ambiente interattivo complesso. Astra non si è limitato a descrivere una possibile strategia o a suggerire a un utente come procedere, ma ha ricevuto input visivi, utilizzato strumenti per controllare il personaggio, osservato le conseguenze delle proprie azioni e modificato il comportamento in funzione dello stato successivo del gioco. Questo modello di funzionamento costituisce un closed-loop agent, nel quale percezione e azione sono collegate continuamente senza che una persona debba inserire manualmente ogni nuovo comando.
Il test si collega anche a uno degli obiettivi tecnici indicati da OpenAI già nel 2016, quando l’azienda aveva citato tra i propri traguardi la capacità di risolvere una grande varietà di giochi utilizzando un singolo agente. Nel caso di Portal, la difficoltà non deriva soltanto dalla scelta di una strategia astratta, ma dal fatto che l’agente deve interagire con un ambiente tridimensionale in tempo reale utilizzando una combinazione di visione, memoria contestuale, ragionamento spaziale e controllo tramite strumenti. Il completamento autonomo dell’intero gioco mostra quindi un ampliamento delle capacità di computer use verso attività più lunghe e articolate, anche se i 3.336 tool call, le circa 24 ore di esecuzione e i 571 dollari di costo evidenziano ancora un notevole margine di miglioramento sul piano dell’efficienza.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)